时间戳

首页 > 解决方案 > 将 vgg19 层的输出显示为图像

python - 将 vgg19 层的输出显示为图像

问题描述

我正在阅读这篇论文：神经风格迁移。在本文中，作者从 vgg19 层的输出重建图像。我正在使用 Keras。block1_conv1层的输出大小为(1, 400, 533, 64)。这里 1 是作为输入的图像数，400 是行数，533 列数和 64 个通道数。当我尝试将其重建为图像时，由于图像大小为 13644800 不是 3 的倍数，因此出现错误，因此我无法在三个通道中显示图像。我怎样才能重建这个图像？

我想从图层重建图像，如下所示： 从 vgg 层重建图像 下面是相同的代码：

from keras.preprocessing.image import load_img, img_to_array
from scipy.misc import imsave
import numpy as np
from keras.applications import vgg19
from keras import backend as K

CONTENT_IMAGE_FN = store image as input here

def preprocess_image(image_path):
    img = load_img(image_path, target_size=(img_nrows, img_ncols))
    img = img_to_array(img)
    img = np.expand_dims(img, axis=0)
    img = vgg19.preprocess_input(img)
    return img

width, height = load_img(CONTENT_IMAGE_FN).size
img_nrows = 400
img_ncols = int(width * img_nrows / height)
base_image = K.variable(preprocess_image(CONTENT_IMAGE_FN))

RESULT_DIR = "generated/"
RESULT_PREFIX = RESULT_DIR + "gen"
if not os.path.exists(RESULT_DIR):
  os.makedirs(RESULT_DIR)
result_prefix = RESULT_PREFIX

# this will contain our generated image
if K.image_data_format() == 'channels_first':
    combination_image = K.placeholder((1, 3, img_nrows, img_ncols))
else:
    combination_image = K.placeholder((1, img_nrows, img_ncols, 3))

x = preprocess_image(CONTENT_IMAGE_FN)

outputs_dict = dict([(layer.name, layer.output) for layer in model.layers])
feature_layers = ['block1_conv1', 'block2_conv1',
                  'block3_conv1', 'block4_conv1',
                  'block5_conv1']
outputs = []
for layer_name in feature_layers:
  outputs.append(outputs_dict[layer_name])
functor = K.function([combination_image], outputs )   # evaluation function

# Testing
test = x
layer_outs = functor([test])
print(layer_outs)

layer_outs[0].reshape(400, -1 , 3) //getting error here

我收到以下错误：

ValueError: cannot reshape array of size 13644800 into shape (400,newaxis,3)

标签： pythontensorflowkerasconv-neural-networkvgg-net

解决方案

你写了：

“block1_conv1层的输出大小是(1, 400, 533, 64)。这里 1 是作为输入的图像数，400 是行数，533 列和 64 通道数”但这不正确。输出对应 1个block1_conv1通道维度（通道优先）、400 * 533 图像维度和 64 个过滤器。

当您尝试将具有 1 通道(400 * 533 * 64 = 13644800)VGG19的图像输入的输出向量重塑为对应于 3 通道输出的向量时，会发生错误。

此外，您必须通过3 通道输入：

来自VGG19代码：

input_shape：可选的形状元组，只有在include_top为False时才指定（否则输入形状必须是(224, 224, 3) （带channels_last数据格式）或(3, 224, 224)（带channels_first数据格式）。它应该正好有3个输入通道，并且宽度和高度应该不小于32. eg(200, 200, 3)将是一个有效值。

因此，您的输入图像必须是 3 个通道。如果您甚至想向您提供 1 个通道（灰度）图像，VGG19则应执行以下操作，如果channels first：

X = np.repeat(X, 3 , axis=0)

或者

X = np.repeat(X, 3 , axis=2)

如果channels last 没有批次维度或

X = np.repeat(X, 3 , axis=3)

与批次维度。

如果您提供有关图像输入矩阵的实际尺寸及其类型（灰度、RGB）的更多信息，我可以在需要时为您提供更多帮助。

推荐阅读